前言

數據科學家并不遜色于藝術家。他們用數據可視化的方式繪畫，試圖展現數據內隱藏的模式或表達對數據的見解。更有趣的是，一旦接觸到任何可視化的內容、數據時，人類會有更強烈的知覺、認知和交流。

數據可視化是數據科學家工作中的重要組成部分。在項目的早期階段，你通常會進行探索性數據分析(Exploratory Data Analysis，EDA)以獲取對數據的一些理解。創建可視化方法確實有助于使事情變得更加清晰易懂，特別是對于大型、高維數據集。在項目結束時，以清晰、簡潔和引人注目的方式展現最終結果是非常重要的，因為你的受眾往往是非技術型客戶，只有這樣他們才可以理解。

Matplotlib 是一個流行的 Python 庫，可以用來很簡單地創建數據可視化方案。但每次創建新項目時，設置數據、參數、圖形和排版都會變得非常繁瑣和麻煩。在這篇博文中，我們將著眼于 5 個數據可視化方法，并使用 Python Matplotlib 為他們編寫一些快速簡單的函數。與此同時，這里有一個很棒的圖表，可用于在工作中選擇正確的可視化方法!

散點圖

散點圖非常適合展示兩個變量之間的關系，因為你可以直接看到數據的原始分布。 如下面第一張圖所示的，你還可以通過對組進行簡單地顏色編碼來查看不同組數據的關系。想要可視化三個變量之間的關系? 沒問題! 僅需使用另一個參數(如點大小)就可以對第三個變量進行編碼，如下面的第二張圖所示。

現在開始討論代碼。我們首先用別名 “plt” 導入 Matplotlib 的 pyplot 。要創建一個新的點陣圖，我們可調用 plt.subplots() 。我們將 x 軸和 y 軸數據傳遞給該函數，然后將這些數據傳遞給 ax.scatter() 以繪制散點圖。我們還可以設置點的大小、點顏色和 alpha 透明度。你甚至可以設置 Y 軸為對數刻度。標題和坐標軸上的標簽可以專門為該圖設置。這是一個易于使用的函數，可用于從頭到尾創建散點圖!

import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False):  # Create the plot object  _, ax = plt.subplots() # Plot the data, set the size (s), color and transparency (alpha)  # of the points  ax.scatter(x_data, y_data, s = 10, color = color, alpha = 0.75) if yscale_log == True:  ax.set_yscale('log') # Label the axes and provide a title  ax.set_title(title)  ax.set_xlabel(x_label)  ax.set_ylabel(y_label) 

折線圖